改进的自适应遗传算法在遥感图像分割中的应用

为了自动确定遥感图像分割的最佳阈值,本文提出了一种改进的自适应遗传算法,并利用该算法对二维Otsu图像阈值分割函数进行了全局优化,提高了分割闻值的求解速度。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服基本遗传算法的收敛性差、易早熟问题。实验结果表明,该算法具有良好的收敛速度和稳定性,达到较好的图像分割效果,大大缩短了计算时间。     

遗传小波神经网络在变形预报中的应用

目前常用的变形预报方法有BP人工神经网络和小波神经网络,但是都存在收敛速度慢且易受局部极值的影响。针对这两种算法的不足,本文利用遗传算法的全局寻优特性,将遗传算法与小波神经网络结合,形成遗传小波神经网,将其应用于变形预报,取得了良好的效果;并将算法的预报精度、稳定性、有效区间及运算时间作为评价算法优劣的4个标准,对BP神经网络、小波神经网络及遗传小波神经网络进行对比,结果表明遗传小波神经网络具有明显的优势。     

免疫遗传算法分割图像研究

针对目标提取过程中图像分割的问题。本文采用免疫遗传算法,利用MATLAB实现图像分割。该方法通过增加免疫函数,使得遗传算法在进行交叉和变异的过程中有了一定的干预性,加快了求解速度,是对遗传算法的一种改进。通过实验对比分析:大多数情况下,采用免疫遗传算法和大津阈值算法得到的结果是一致的。但在部分情况下,该算法的分割效果要好于大津阈值。同时该算法由于引进了免疫算子,在计算速度上要比大津阈值快。免疫遗传算法在图像分割中着重要的现实意义。     

利用HGA和单位四元数的相对定向解法

利用将经典遗传算法和最速下降法相结合的混合遗传算法进行相对定向,并用强收敛性的单位四元数表示旋转矩阵,可有效避免经典遗传算法容易早熟的弱点,并在无需初值的情况下经较少的遗传代数快速收敛。     

转换GPS高程的遗传神经网络方法

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息。把遗传算法和神经网络智能技术相结合,利用神经网络作为模型,以遗传算法作为权值进化算法进行GPS高程转换,提出了该算法的基本思想和算法实现过程。并通过实例进行计算,结果表明该算法用于GPS高程转换具有较好的精度,具有一定的实用价值。     

转换GPS高程的遗传神经网络方法

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息.把遗传算法和神经网络智能技术相结合,利用神经网络作为模型,以遗传算法作为权值进化算法进行GPS高程转换,提出了该算法的基本思想和算法实现过程.并通过实例进行计算,结果表明该算法用于GPS高程转换具有较好的精度,具有一定的实用价值.     

多目标遗传算法在水下机器人路径规划中的应用

依据VCF电子海图,提出了一种对水下机器人进行路径规划的多目标遗传算法,采用可变长的实数坐标编码、适应度函数评价了影响航路优劣的多个因素,设计了选择、交叉、变异、修补、删除等遗传算子以及种群置换方法。在生成初始种群和设计遗传算子时引入领域知识,使所生成路径尽量不穿越障碍区域,有效地提高了大范围路径规划算法的收敛速度。试验表明,采用该MOGA算法进行路径规划可提高算法的收敛速度和全局寻优能力。     

遗传小波神经网络在高铁沉降预测中的应用

利用遗传算法的全局寻优特性,与小波神经网络相结合,建立遗传小波神经网络模型,并将其运用于高铁沉降预测,通过与BP神经网络、小波神经网络在高铁沉降预测的实验对比分析,结果表明遗传小波神经网络在高铁沉降预测中的稳定性更好、精度更高。     

遗传神经网络在大坝安全评价中的应用

利用神经网络方法评价大坝安全具有一定的优势,但传统大坝安全评价方法不能为神经网络模型提供合适的学习样本。文中引入安全度值的概念,为神经网络提供可量化的学习样本,并针对BP神经网络收敛速度慢、稳定性差、易陷入局部极小等问题,利用遗传算法进行改进,提出基于遗传神经网络的大坝安全评价方法。工程实例表明,评价方法合理、可行。     

基于自适应遗传算法和改进BP算法的遥感影像分类

介绍了采用自适应遗传算法和改进BP算法相结合的混合算法来训练BP网络的方法，即先用自适应遗传算法进行全局训练，再用改进BP算法进行精确训练，以达到加快网络收敛速度和避免陷入局部极小值的目的。结果表明，该算法收敛速度快，分类精度较高。